欧式距离算法的核心是:设图像矩阵有n个元素(n个像素点),用n个元素值(x1,x2,...,xn)组成该图像的特征组(像素点矩阵中所有的像素点),
特征组形成了n维空间(欧式距离就是针对
多
维空间的),特征组中的特征码(每一个像素点)构成了每一维的数值,就是x1(第一个像素点)对应一维,x2(第二个像素点)对应二维,. . .,xn(第n个像素点)对应n维。在n维空间下,两个图像矩阵各形成了一个点,然后利用数学上的欧式距离公式计算这两个点之间的距离,距离最小者就是最匹配的图像。
欧式距离公式:
点A = (x1, x2, ... , xn)
点B = (y1, y2, ... , yn)
AB^2 = (x1-y1)^2+(x2-y2)^2+...+(xn-yn)^2
AB就是所求的A,B两个多维空间中的点之间的距离。
特征匹配中的欧氏距离
最新推荐文章于 2024-08-03 15:16:13 发布